Skywork-Reward

发布方 Skywork 发布 2024-09 规模 80K

偏好与对齐单一数据集全球商用友好 rlhf reward-model preference

来源描述

RewardBench top1 训练集，SFT-friendly preference

Apache 2.0

近 30 天下载

1.9K

RLHF 经典 helpful + harmless 偏好对

Process Reward Model: 数学解题每步打标

Starling-7B 用的 7-way 排序偏好数据

众包多语 OASST 数据，含偏好对比

去除 reward model 6 类偏见的 debias 训练对

数学 step-level DPO 数据

领域、训练阶段、用途、License 分级与本刊判断由本刊维护；下载量 / 点赞 / 更新时间 / 实测规模来自 HuggingFace Hub 官方 API 与 datasets-server，每周自动刷新。规模、许可证与商用授权最终请以原站为准。